CFD模拟中初始瞬态检测与收敛统计评估框架
机器学习
2025-12-01 v1 分布式、并行与集群计算
摘要
时间序列数据常包含稳定状态到达前的初始瞬态期，这在分析和解释中提出了挑战。本文我们提出一种新方法，用于检测和估计初始瞬态的结束。我们的方法利用反转均值标准误 (RMSE) 作为衡量数据稳定性的指标。此外，我们采用分数滤波技术来增强检测精度，通过滤除噪声并捕获底层动力学的关键特征。结合自相关校正置信区间，我们提供了一个自动化瞬态检测和收敛评估的稳健框架。该方法通过考虑自相关效应确保统计严谨性，通过各种时间步长的仿真进行验证。结果表明该方法独立于数值参数（如时间步长、松弛因子），提供了一个可靠的稳态分析工具。该框架轻量、可泛化，并减缓了在自相关数据集中产生的假阳性率的膨胀。
引用
@article{arxiv.2511.22616,
title = {Federated Learning Survey: A Multi-Level Taxonomy of Aggregation Techniques, Experimental Insights, and Future Frontiers},
author = {Meriem Arbaoui and Mohamed-el-Amine Brahmia and Abdellatif Rahmoun and Mourad Zghal},
journal= {arXiv preprint arXiv:2511.22616},
year = {2025}
}
备注
Author-Accepted Manuscript. 65 pages, 26 figures, 20 tables. Published in ACM Transactions on Intelligent Systems and Technology (TIST), 2024